مروری بر کاربرد الگوریتم های هوش مصنوعی در بهینه سازی، تولید، کنترل و مدیریت سیستم های انرژی تجدیدپذیر

گذار از سوخت های فسیلی به منابع انرژی تجدیدپذیر نظیر خورشید و باد با چالش بنیادین ماهیت متغیر و غیر قابل پیش بینی این منابع همراه است. این نوسانات، ذاتی مدیریت، شبکه کنترل توان و برنامه ریزی تعمیرات را با دشواری های جدی مواجه می سازد. در سال های اخیر الگوریتم های هوش مصنوعی به عنوان راهکاری کارآمد برای غلبه بر این چالش ها مطرح شده اند. این مقاله به صورت مروری سیستماتیک و دسته بندی موضوعی کاربردهای متنوع هوش مصنوعی را در پنج حوزه کلیدی تولید و کنترل انرژی های تجدیدپذیر بررسی می کند که عبارتند از: (۱) پیش بینی کوتاه مدت و میان مدت تابش خورشید و سرعت باد با استفاده از شبکه های عمیق و مدل های ترکیبی؛ (۲) کنترل بهینه توان و ردیابی نقطه حداکثر توان در شرایط سایه جزئی با بهره گیری از یادگیری تقویتی عمیق و منطق فازی تطبیقی؛ (۳) مدیریت پایدار ریزشبکه ها و پاسخگویی به تقاضا با عوامل چندعامله مبتنی بر یادگیری تقویتی؛ (۴) نگهداری پیش بینی کننده و تشخیص عیب در توربین های بادی و پنل های خورشیدی با شبکه های کانولوشنی و خودرمزگذارها؛ و (۵) بهینه سازی شارژ و دشارژ سیستم های ذخیره ساز باتری با الگوریتم های ترکیبی تکاملی-یادگیرنده. یافته ها نشان می دهد که مدل های هیبریدی که دانش فیزیکی را با یادگیری ماشین تلفیق می کنند به ویژه شبکه های عصبی آگاه از فیزیک بهترین عملکرد را در دقت پیش بینی و کاهش هزینه های بهره برداری دارند. در پایان چالش های عمده شامل نیاز به داده های باکیفیت، تفسیرپذیری مدل های جعبه سیاه و تاخیر محاسباتی در کاربردهای بلادرنگ بحث شده و روندهای آتی نظیر یادگیری فدرال و محاسبات لب انگشتی ترسیم می گردد.

کلیدواژه ها:

هوش مصنوعی ، انرژی تجدیدپذیر ، پیش بینی تولید ، توان ، یادگیری تقویتی عمیق